Informatiker/in

t34 t35 t36 t37 t41 t42 t54 1 t53 1 t54 t52 2 t53 t54 1 t53 1 t54 t52 2 t53 t50 1 t51 t55 t52 t50 t58 t61 t60 1 t59 2 t60 t62 t59 t63 t57 2 0f3n t57 t64 t70 1 t68 t69 t70 t71 t72 t73 t76 1 hfn4 t74 t75 t76 t77 t78 t81 1 t67 0f3n 1 t79 t80 t81 t66 4 t67 t82 t83 hf t66 t84 2 t85 t86 t84 t87 t91 1 t91 t92 t93 t94 t96 1 t90 1 0f3n t95 t96 t88 t89 t90 t10 1 t56 1 t49 4 t56 t65 2 t45 1 t47 1 t13 6fn5 hfnf2n2 3fn3f3n2f 3fn3f3n2fn4 3fn3f3n8 7 t14 t48 t49 t65 t43 t44 t45 t46 t47 t9 1 t10 t11 t12 t13 t97 t98 t99 t8 2 t9 t6 3 t7 hf t5 t6 t8 t100 c3581326550 1 t4 t101 t102 Bergische Universität Wuppertal 1972 Homepage http://www.uni-wuppertal.de/ Flexible Arbeitszeiten Homeoffice / Mobiles Arbeiten Vermögenswirksame Leistungen Nachhaltigkeit / Umweltschutz Rabatte für Mitarbeitende Sport- und Gesundheitsangebote Weiterbildungen Betriebliche Altersvorsorge ÖPNV-Ticket / Job-Ticket Kantine Mitgestaltungsmöglichkeiten Parkmöglichkeiten Gute Verkehrsanbindung Moderne technische Ausstattung True, Lösung komplexer kombinatorischer Planungs- und Optimierungsprobleme, wie sie beispielsweise in Produktion und Logistik auftreten. Ziel ist die Entwicklung neuer lernbasierter Methoden, die klassische Optimierungsverfahren ergänzen oder übertreffen. Die ausgeschriebene Stelle bietet die Möglichkeit zur Promotion in diesem Forschungsfeld. Wir suchen eine engagierte Persönlichkeit, die Interesse an exzellenter wissenschaftlicher Forschung hat und gemeinsam mit unserem Team neue Ansätze an der Schnittstelle von maschinellem Lernen und kombinatorischer Optimierung entwickelt. # IHRE AUFGABEN - Wissenschaftliche Erforschung neuer Ansätze in Neural Combinatorial Optimization, Reinforcement Learning und Deep Learning - Entwicklung, Training und Evaluierung von Lernmodellen zur Lösung komplexer Planungsprobleme - Veröffentlichung der Forschungsergebnisse auf führenden wissenschaftlichen Konferenzen (z. B. AAAI, KDD, IJCAI) - Mitarbeit an einem interdisziplinären Forschungsteam #

IHR PROFIL - Abgeschlossenes Hochschulstudium (Master oder vergleichbarer Abschluss) der Fachrichtung Informatik, Mathematik, Physik, Ingenieurwissenschaften oder vergleichbarer Studiengänge - Starkes Interesse an anwendungsorientierter KI-Forschung mit wissenschaftlichem Anspruch - Selbstständigkeit, Kreativität und Freude an neuen Technologien - Kommunikationsstärke und Teamfähigkeit - Verhandlungssichere Deutschkenntnisse, mindestens sehr gute Englischkenntnisse - Erfahrung in mindestens einer Programmiersprache (z. B. Python, Java oder C++) - Kenntnisse im Umgang mit Bibliotheken für Deep Learning oder Reinforcement Learning (z. B. PyTorch, RLlib oder TorchRL) - Nachgewiesene Kenntnisse in Reinforcement-Learning-Algorithmen (z. B. PPO, DDPG, Q-Learning) Darüber hinaus wünschenswert sind - Erfahrung in der Entwicklung, dem Training und der Evaluation von Reinforcement-Learning-Algorithmen - Erfahrung im wissenschaftlichen Schreiben (z. B. Publikationen) Es

1 2 3 4 t1 t2 t3 1 t3 hf t16 t20 1 t15 1 t32 1 t34 1 t35 1 t40 1 2 t39 2 t40 t37 1 t38 t39 t41 1 24fn 24fn9 4f3n 58fn 4f3n9 6fn t17 t18 t19 t20 t15 t21 t22 t23 t24 t25 t26 t27 t28 t29 t30 t31 t32 t33, Lebenslauf, Nachweis des abgeschlossenen Hochschulstudiums, Arbeitszeugnisse, ggf. Nachweis einer Schwerbehinderung). Unvollständig eingereichte Bewerbungen können nicht berücksichtigt werden! Doktorand*in im Bereich Reinforcement Learning für Planungsprobleme (26089) ARBEIT Campus Freudenberg 21 DEUTSCHLAND Wuppertal Elberfeld 42119 NORDRHEIN_WESTFALEN Rainer-Gruenter-Str. 51.2391208 7.1630901 JAHRESGEHALT 2026-04-02 BEFRISTET Ingenieurwissenschaften (Studienberuf)